Anpassa GPT-3 för din applikation

Utvecklare kan nu finjustera GPT-3 på sina egna data och skapa en anpassad version som är skräddarsydd för deras applikation. Anpassning gör GPT-3 tillförlitlig för ett större antal användningsfall och gör att köra modellen billigare och snabbare.

Du kan använda en befintlig datauppsättning av praktiskt taget vilken form och storlek som helst, eller lägga till data stegvis baserat på feedback från användare. Med finjustering kunde en API-kund öka korrekta utdata från 83 % till 95 %. Genom att lägga till ny data från deras produkt varje vecka minskade en annan felfrekvensen med 50 %.

För att komma igång, kör bara ett enda kommando i OpenAI kommandoradsverktyg med en fil du tillhandahåller. Din anpassade version startar utbildningen och blir sedan tillgänglig direkt i vårt API.

Läs dokumentation

Förra året vi utbildad GPT-3 och gjorde den tillgänglig i vårt API. Med bara några få exempel kan GPT-3 utföra en mängd olika naturliga språkuppgifter, ett koncept som kallas få-shot learning eller prompt design. Att anpassa GPT-3 kan ge ännu bättre resultat eftersom du kan ge många fler exempel än vad som är möjligt med snabb design.

Du kan anpassa GPT-3 för din applikation med ett kommando och använda det direkt i vårt API:

openai api fine_tunes.create -t <train_file>

Det krävs mindre än 100 exempel för att börja se fördelarna med att finjustera GPT-3 och prestandan fortsätter att förbättras när du lägger till mer data. I forskning publicerad i juni förra året, visade vi hur finjustering med mindre än 100 exempel kan förbättra GPT-3:s prestanda på vissa uppgifter. Vi har också funnit att varje fördubbling av antalet exempel tenderar att förbättra kvaliteten linjärt.

Med en av våra mest utmanande forskningsdatauppsättningar, Grundskolans matematikproblem, finjustering av GPT-3 förbättrar noggrannheten med 2 till 4x över vad som är möjligt med snabb design.

Anpassning av GPT-3 förbättrar produktionens tillförlitlighet och ger mer konsekventa resultat som du kan lita på för produktionsanvändningsfall. En kund fann att anpassning av GPT-3 minskade frekvensen av otillförlitliga utgångar från 17 % till 5 %. Eftersom anpassade versioner av GPT-3 är skräddarsydda för din applikation, kan uppmaningen vara mycket kortare, vilket minskar kostnaderna och förbättrar latensen.

Oavsett om textgenerering, sammanfattning, klassificering eller någon annan naturlig språkuppgift som GPT-3 kan utföra, kommer anpassning av GPT-3 att förbättra prestandan.

Appar som drivs av anpassade versioner av GPT-3

Väktarskatt hjälper oberoende entreprenörer och frilansare med sina skatter. Efter att en kund länkat sina finansiella konton använder Keeper Tax olika modeller för att extrahera text och klassificera transaktioner. Med hjälp av sekretessbelagda uppgifter identifierar Keeper Tax lätta att missa skatteavskrivningar och hjälper kunder att skicka in sina skatter direkt från appen. Genom att anpassa GPT-3 kan Keeper Tax kontinuerligt förbättra resultaten. En gång i veckan lägger Keeper Tax till cirka 500 nya träningsexempel för att finjustera sin modell, vilket leder till en förbättring av noggrannheten med cirka 1 % varje vecka, vilket ökar noggrannheten från 85 % till 93 %.

Genomförbar, livskraftig hjälper företag att få insikter från deras kundfeedback. Genom att anpassa GPT-3 kan Viable omvandla enorma mängder ostrukturerad data till läsbara naturliga språkrapporter, som lyfter fram de främsta kundklagomålen, komplimanger, förfrågningar och frågor. Att anpassa GPT-3 har ökat tillförlitligheten i Viables rapporter. Genom att använda en anpassad version av GPT-3 har noggrannheten i att sammanfatta kundfeedback förbättrats från 66 % till 90 %. Resultatet är påtaglig, intuitiv information som kunderna behöver för att informera sina produktbeslut.

Sana Labs är en global ledare inom utveckling och tillämpning av AI för lärande. Sana lärplattform förstärker personliga inlärningsupplevelser för företag genom att utnyttja de senaste ML-genombrotten för att skräddarsy innehållet för varje individ. Genom att anpassa GPT-3 med deras data gick Sanas fråge- och innehållsgenerering från grammatiskt korrekta men generella svar till mycket exakta utdata. Detta gav en 60 % förbättring, vilket möjliggjorde i grunden mer personliga och effektiva upplevelser för sina elever.

Framkalla är en AI-forskarassistent som hjälper människor att direkt svara på forskningsfrågor med hjälp av resultat från akademiska artiklar. Verktyget hittar de mest relevanta sammanfattningarna från en stor samling forskningsartiklar och tillämpar sedan en anpassad version av GPT-3 för att generera påståendet (om något) som uppsatsen gör om frågan. En anpassad version av GPT-3 överträffade den snabba designen i tre viktiga mått: resultaten var lättare att förstå (en 24 % förbättring), mer exakt (en 17 % förbättring) och bättre överlag (en 33 % förbättring).

Alla API-kunder kan anpassa GPT-3 idag. Registrera dig och kom igång med finjusterande dokumentation.

document.documentElement.classList.add(“scroll-behavior-smooth”);
setTimeout(function () { var elts = document.querySelectorAll('.js-to-straight-quotes'); elts.forEach(function (elt) { elt.innerHTML = elt.innerHTML.replace(“'”, “' ").byta ut("'", "'"); });
}, 500);

• Myntsmart. Europas bästa bitcoin- och kryptobörs.
• Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. FRI TILLGÅNG.
• CryptoHawk. Altcoin radar. Gratis provperiod.
• Källa: https://openai.com/blog/customized-gpt-3/